DAL：利用卷积自编码器从清晰语音学习特征以解码基于想象语音的EEG信号
信号处理
2021-07-16 v1 人机交互
机器学习
声音
音频与语音处理
摘要
脑机接口（BCI）是能够通过反映人的意图与状态来实现人与设备通信的工具之一。随着人工智能的发展，利用脑电图（EEG）实现人与无人机之间通信的兴趣日益增长。尤其在控制无人机群的方向或编队时，相比控制单个无人机具有诸多优势。想象语音是一种内源性BCI范式，可识别用户意图。在进行想象语音时，用户想象发音如同实际说话一般。相比之下，清晰语音是用户直接发出词语的任务。在使用想象语音控制无人机群时，复杂指令可更直观地传递，但解码性能低于其他内源性BCI范式。我们提出了深度自动学习器（DAL），以学习清晰语音的EEG特征用于基于想象语音的EEG信号分类。据我们所知，本研究首次尝试利用清晰语音的EEG特征通过自编码器解码基于想象语音的EEG信号。共有八名受试者参与实验。在对四个词进行分类时，DAL的平均准确率为48.41%。此外，在比较包含与不包含清晰语音EEG特征的性能时，加入清晰语音EEG特征带来了7.42%的性能提升。因此，我们证明了清晰语音的EEG特征能够改善想象语音的解码性能。
引用
@article{arxiv.2107.07064,
title = {DAL: Feature Learning from Overt Speech to Decode Imagined Speech-based EEG Signals with Convolutional Autoencoder},
author = {Dae-Hyeok Lee and Sung-Jin Kim and Seong-Whan Lee},
journal= {arXiv preprint arXiv:2107.07064},
year = {2021}
}
备注
14 pages, 6 figures